[发明专利]一种基于视觉的结构体参数预测方法、系统、装置及存储介质

权利要求书

1.一种基于视觉的结构体参数预测方法，其特征在于，包括以下步骤：

获取输入图像；

对输入图像进行关键点检测和轮廓检测，并计算得到结构体特征参数；

基于人工神经网络提取输入图像的深度特征参数；

通过Kernel Ridge Regression算法对深度特征参数和结构体特征参数进行回归拟合，得到预测值。

2.根据权利要求1所述一种基于视觉的结构体参数预测方法，其特征在于，所述对输入图像进行关键点检测和轮廓检测，并计算得到结构体特征参数这一步骤，其具体包括：

通过深度卷积网络对输入图像进行关键点检测，得到人体关键点信息；

对输入图像进行轮廓检测得到最终轮廓；

根据人体关键点信息和最终轮廓计算得到人体特征参数。

3.根据权利要求2所述一种基于视觉的结构体参数预测方法，其特征在于，所述对输入图像进行轮廓检测得到最终轮廓这一步骤，其具体包括：

基于Pose2Seg算法对输入图像进行处理得到人体轮廓；

基于Human Parse算法对输入图像进行处理得到人体各部位轮廓；

将人体轮廓减去人体手臂部位轮廓得到最终轮廓。

4.根据权利要求3所述一种基于视觉的结构体参数预测方法，其特征在于，所述根据人体关键点信息和最终轮廓计算得到人体特征参数这一步骤，其具体包括：

根据人体关键点信息和最终轮廓对输入图像进行像素标记，得到身体区域和背景区域；

根据身体区域的像素计算得到输入图片的人体特征参数。

5.根据权利要求4所述一种基于视觉的结构体参数预测方法，其特征在于，所述人体特征参数包括腰宽与大腿宽之比、腰宽与臀宽之比、腰宽与头宽之比、臀宽与头宽之比、腰部与臀部之间区域的单位面积的像素数、鼻子到膝盖的距离与腰部宽度之比和腰宽与肩宽之比。

6.根据权利要求1所述一种基于视觉的结构体参数预测方法，其特征在于，所述人工神经网络采用101层残差网络构建，并且将101层残差网络的最后一层全连接层改为4层全连接层。

7.根据权利要求2所述一种基于视觉的结构体参数预测方法，其特征在于，所述基于人工神经网络提取输入图像的深度特征参数这一步骤，其具体包括：

通过构建图像集训练人工神经网络；

将图像输入到人工神经网络后提取网络输出，得到深度特征参数。

8.一种基于视觉的结构体参数预测系统，其特征在于，包括以下模块：

获取模块，用于获取输入图像；

人体特征模块，用于对输入图像进行关键点检测和轮廓检测，并计算得到结构体特征参数；

深度特征模块，用于基于人工神经网络提取输入图像的深度特征参数；

输出模块，用于通过Kernel Ridge Regression算法对深度特征参数和结构体特征参数进行回归拟合，得到预测值。

9.一种基于视觉的结构体参数预测装置，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7任一项所述一种基于视觉的结构体参数预测方法。

10.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-7任一项所述一种基于视觉的结构体参数预测方法。